多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)基于分解的多目标进化算法 (MOEA/D)一种基于分解的多目标进化算法，是由张青富教授和李辉博士在2007年发表在《IEEE Transactions on Evolutionary Computatio...

前言：本文主要介绍如何将CAD文件中需要的部分转换成矢量图，并能用在ppt、visio、word等Office的软件里。尤其在写论文的过程中需要图片采用矢量图，保证图片的清晰度。本文介绍用到的软件有 Auto CAD 2017、Visio 2016、PowerPoint 2016、Word 2016、Adobe illustrator CS6（简称AI）。1. CAD导出EPS矢量图...

多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)1. 非支配排序遗传算法(NSGA)1995年，Srinivas和Deb提出了非支配排序遗传算法(Non-dominatedSorting Genetic Algorithms，NSGA)。这是一种基于P...

系列优化算法简述：OP_1. 简述遗传算法（GA）原理OP_2 简述灰狼优化算法（GWO）原理前言：灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法，它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注...

多目标优化系列：MOP_1. 多目标优化的相关基本概念MOP_2. 非支配排序遗传算法 —（NSGA、NSGA-II)MOP_3. 基于分解的多目标进化算法 —（MOEAD)1. 非支配排序遗传算法(NSGA)1995年，Srinivas和Deb提出了非支配排序遗传算法(Non-dominatedSorting Genetic Algorithms，NSGA)。这是一种基于P...

numpy.random.choice(a, size=None, replace=True, p=None)用途：从a(一维数据)中随机抽取数字，返回指定大小(size)的数组replace:True表示可以取相同数字，False表示不可以取相同数字数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。案例：import numpy as nppa = [0.3,